改进的渐消UKF神经网络学习算法及应用

作者：杨一^*; 高怡; 刘海龙

来源：控制工程, 2019, 26(10): 1932-1938.

DOI：10.14107/j.cnki.kzgc.170554

• 神经网络
• 无迹卡尔曼滤波
• 渐消因子
• 组合导航误差估计模型

针对BP神经网络在训练过程中存在易陷入局部极小值、对样本噪声缺乏自适应性等问题,设计一种改进的渐消无迹卡尔曼滤波神经网络(Improved fading unscented Kalman filter neural networks, IF-UKFNN)训练算法。该算法以UKF为基础,在滤波过程中引入渐消因子,实时调整滤波增益,限制样本噪声对权值更新的影响,进而提高网络训练的精度;同时,采用一种改进的自适应因子计算方法,使计算过程简化。将提出的算法应用于组合导航系统建立误差估计模型,仿真结果表明:提出的算法不仅可以提高模型的估计精度,而且增强了网络模型对噪声样本的适应性和鲁棒性,具有更好的应用效果。

• 出版日期2019
• 单位电子工程学院; 西安石油大学